Clasificación Jerárquica Con Variables Binarias y Nominales

Technology Inside by CPIC, 2018

Hemos desarrollado el algoritmo usual de clasificación jerárquica ascendente en el sistema MATHEMATICA. El usuario escoge la disimilitud según el tipo de datos que deba analizar: cuantitativos, cualitativos o binarios, así como el índice de agregación a utilizar. Se dispone de varias opciones para cada escogencia. Además, se ha implementado un gran número de manipulaciones sobre el árbol binario de clasificación, como el corte del árbol, la rotaciones, la dimensionalidad, el etiquetado, los colores, etc.

In this essay I will discuss the hierarchical analytical process is a technique that consists in decomposing complex structures or problems in their major components or variables for this is the order in a hierarchical structure where they are assigned numerical scores to find your order, finally these judgments are analyzed with the set of experts to determine the variables that have the highest rating, importance or priority and focus mainly in that. This technique is widely used in many fields both governments and private entities where the projects are very complex and made for good decision making using this technique that includes the most important variables affecting a large project. Throughout this document you will see examples where it was applied the analytical hierarchical process and end the limitations this technique has them stand.

Los ND que forman la imagen son una traducción digital de un flujo energético recibido por el sensor para una determinada banda del espectro. En consecuencia, una clasificación basada exclusivamente sobre ND puede denominarse propiamente clasificación espectral. El problema es que puede haber distintas categorías temáticas con un comportamiento espectral similar. En ese caso se recomienda acudir a las otras dos dimensiones de información que contiene una imagen: la espacial y la temporal. En el primer caso se trata de tener en cuenta en la clasificación el contexto espacial en el que aparece el píxel. El segundo aportaría datos sobre su evolución estacional, lo cual puede ser especialmenteútil para discriminar cubiertas vegetales. Si ninguna de estas dos dimensiones es suficiente para clasificar ciertas cubiertas, puede ser preciso acudir a información auxiliar como topografía, suelos, modelos digitales de elevación, etc.